CC BY
16Значение коэффициента текущей ликвидности в течение исследуемого периода меньше 1,5, значит, у исследуемой организации существуют трудности с покрытием текущих обязательств. Организации следует сокращать размер кредиторской задолженности и снижать оборотные активы.
Так как значение коэффициента абсолютной ликвидности в течение исследуемого периода больше 0,2, мы делаем вывод, что организация имеет возможность немедленно оплатить обязательства за счет денежных средств всех видов, а также средств, полученных от реализации ценных бумаг.
Значение коэффициента быстрой ликвидности в течение исследуемого периода варьирует около 0,7, мы делаем вывод, что кредиты организации будут выданы под большой процент, увеличится размер залогового имущества, либо возможны трудности в получении кредита.
Возможные мероприятия повышения ликвидности и платежеспособности на ближайшую перспективу для быстрого получения денежных средств и сбалансирования потоков:
1) продажа запасов, которые не будут использованы в производственном процессе;
2) получение кредита от банка;
3) получение товарного кредита (права отсрочки) от поставщика;
4) получение аванса от клиента;
5) прочие способы привлечения дополнительных финансовых ресурсов;
6) прочие варианты продажи имеющихся ресурсов для их превращения в денежные средства.
Таким образом, для повышения ликвидности необходимо повышать качество активов: увеличивать оборотный капитал и прибыль, снижать заемные средства.
Источники:
1. Окорокова, О. А. Методический подход к минимизации финансовых рисков в условиях цифровизации экономики / О. А. Окорокова, Л. К. Улыбина // Качество высшего образования в аграрном вузе: проблемы и перспективы : Сборник статей по материалам учебно-методической конференции, Краснодар, 14 марта - 04 2019 года / Отв. за вып. Д.С. Ли-лякова. - Краснодар: Кубанский государственный аграрный университет имени И.Т. Трубилина, 2019. - С. 269-270.
2. Липчиу, Н. В. Оценка финансовых ресурсов организаций и мероприятия по совершенствованию механизма их формирования / Н. В. Липчиу, К. И. Липчиу // Вестник Академии знаний. - 2021. - № 5(46). - С. 381-388.
3. Липчиу, Н. В. Теоретические аспекты финансово-экономического механизма развития организаций аграрного сектора / Н. В. Липчиу, П. А. Носаленко, К. И. Липчиу // Вестник Академии знаний. - 2021. - № 6(47).
4. Улыбина, Л. К. Система управления финансовыми рисками / Л. К. Улыбина, О. А. Окорокова // Научно-технологическое обеспечение агропромышленного комплекса России: проблемы и решения : Сборник тезисов по материалам IV Национальной конференции, Краснодар, 29-30 октября 2019 года / Отв. за выпуск А.Г. Кощаев. -Краснодар: Кубанский государственный аграрный университет имени И.Т. Трубилина, 2019. - С. 121.
ЕБ1Ч: ВЛШЮ
В.В. Сулимин - к.э.н., доцент кафедры государственного и муниципального управления, Уральский государственный экономический университет, Екатеринбург, Россия, ctig.usue@mail.ru;
V.V. Sulimin - candidate of sociological sciences, senior lecturer of the department of entrepreneurial law, Ural State Economic University, Yekaterinburg, Russia;
А.Д. Назарова - обучающийся кафедры бизнес-информатики, Уральский государственный экономический университет, Екатеринбург, Россия, alya.nazarova.02@inbox.ru,
A.D. Nazarova - student of the department of business informatics, Ural State University of Economics, Yekaterinburg, Russia.
МЕТОДОЛОГИЯ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В АГРОПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ METHODOLOGY FOR THE APPLICATION OF ARTIFICIAL INTELLIGENCE IN AGRO-INDUSTRIAL ENTERPRISES
Аннотация. В настоящее время искусственный интеллект становится все более популярным среди агропромышленных предприятий. Основу цифровой экономики, которая характеризуется как система производственных и институциональных отношений, формируют высокий уровень интеграции экономики. Применение ИИ может помочь в повышении эффективности и производительности предприятий, а также улучшении качества продукции и сокращении издержек. Но для успешного внедрения ИИ в агропромышленном секторе необходимо иметь четкую методологию его применения. Статья представляет методологию применения искусственного интеллекта в агропромышленных предприятиях. Описываются шаги по разработке и внедрению ИИ-систем, а также примеры успешного применения ИИ в агропромышленных предприятиях.
Abstract. Currently, artificial intelligence is becoming more and more popular among agro-industrial enterprises. The basis of the digital economy, which is characterized as a system of industrial and institutional relations, is formed by a high level of economic integration. The application of AI can help improve the efficiency and productivity of enterprises, as well as improve product quality and reduce costs. But for the successful implementation of AI in the agro-industrial sector, it is necessary to have a clear
methodology for its application. The article presents the methodology for the use of artificial intelligence in agro-industrial enterprises. Describes the steps for the development and implementation of AI systems, as well as examples of the successful use of AI in agro-industrial enterprises.
Ключевые слова: искусственный интеллект, применение ИИ в агропромышленных предприятиях, разработка и внедрение ИИ-систем, агропромышленный сектор, методология применения ИИ.
Keywords: artificial intelligence, application of AI in agro-industrial enterprises, development and implementation of AI systems, agro-industrial sector, methodology for applying AI.
Благодарности: Исследование выполнено при финансовой поддержке Российского научного фонда в рамках научного проекта № 23-28-00911, https://rscf.ru/project/23-28-00911.
Acknowledgements: The research was carried out with the financial support of the Russian Science Foundation within the framework of scientific project No. 23-28-00911, https://rscf.ru/project/23-28-00911.
Введение
Важным аспектом применения искусственного интеллекта (далее - ИИ) в агропромышленном секторе является его соответствие индивидуальным потребностям каждого предприятия. Необходимо провести анализ предприятия и выявить наиболее уязвимые места и проблемы, которые можно решить при помощи ИИ. Важно понимать, что не все задачи можно решить при помощи ИИ, поэтому необходимо определить области применения ИИ, которые наиболее эффективны для данного предприятия [1-2].
Одной из важных областей применения ИИ является мониторинг растений и животных. С помощью ИИ можно проводить мониторинг состояния растений, анализировать информацию о погодных условиях и определять необходимые меры по уходу за растениями. Также ИИ может быть применен для мониторинга здоровья животных и выявления возможных заболеваний, что позволяет своевременно принимать меры по их лечению и предотвращению распространения.
Использование ИИ также может повысить эффективность и точность прогнозирования урожайности и расчета необходимых ресурсов для производства. Анализ данных о погодных условиях, почвенных характеристиках и других факторах может помочь оптимизировать процессы выращивания растений и улучшить качество продукции [4].
Однако, применение ИИ в агропромышленном секторе также может столкнуться с некоторыми техническими и экономическими ограничениями. Необходимо обеспечить надежную инфраструктуру для сбора и обработки данных, а также обучить персонал работе с ИИ. Кроме того, применение ИИ может потребовать дополнительных затрат на приобретение и обслуживание необходимого оборудования и программного обеспечения.
Для успешного внедрения ИИ в агропромышленном секторе необходимо также учитывать регулирующие нормативные документы и законодательство, которые могут ограничивать использование ИИ в некоторых областях. Важно обеспечить соблюдение всех требований и нормативов, чтобы избежать возможных негативных последствий для здоровья человека и окружающей среды [2].
Несмотря на некоторые ограничения, применение ИИ в агропромышленном секторе имеет большой потенциал для повышения эффективности и конкурентоспособности предприятий. Внедрение ИИ может помочь сократить издержки на производство, повысить точность и качество прогнозирования урожайности, а также улучшить качество продукции [3].
В целом, ИИ становится все более востребованным инструментом для улучшения производительности и эффективности в различных секторах экономики, включая агропромышленный сектор. Важно иметь четкую методологию применения ИИ, которая будет соответствовать индивидуальным потребностям каждого предприятия. Особое внимание следует уделять обучению персонала и обеспечению надежной инфраструктуры для сбора и обработки данных. С учетом всех этих аспектов, ИИ может стать важным инструментом для повышения эффективности и конкурентоспособности агропромышленных предприятий [5].
Шаги по разработке и внедрению ИИ-систем в агропромышленных предприятиях
Шаг 1: Определение целей и задач
Первый шаг в разработке и внедрении ИИ-систем в агропромышленных предприятиях — это определение целей и задач. Это может включать следующие шаги:
— идентификация проблем, которые необходимо решить с помощью ИИ [7];
— определение конкретных целей, которые необходимо достичь;
— определение задач, которые должны выполнять ИИ-системы для достижения поставленных целей.
Примеры целей и задач:
— увеличение урожайности и снижение издержек на выращивание растений;
— улучшение качества продукции и сокращение отходов [6];
— мониторинг и прогнозирование погодных условий для оптимизации производства;
— оптимизация использования ресурсов, включая землю, воду и энергию.
Шаг 2: Сбор данных
Сбор данных является ключевым этапом при разработке ИИ-систем. Данные должны быть качественными, точными и в достаточном количестве для обучения ИИ-системы. Сбор данных может включать следующие шаги:
— определение типов данных, которые необходимы для обучения ИИ-системы;
— идентификация источников данных;
— сбор данных и их анализ для определения качества, и точности [8,9];
— обработка данных для удаления ошибок и выбросов.
Примеры данных, которые могут быть использованы для разработки ИИ-систем в агропромышленных предприятиях:
— данные о погодных условиях, включая температуру, влажность, скорость ветра и осадки;
— данные о качестве почвы, включая плотность, pH и содержание питательных веществ;
— данные о производственных процессах, включая урожайность, вес и размеры продукции;
— данные о потреблении ресурсов, включая расход воды, электроэнергии и удобрений.
Шаг 3: Обработка данных и создание моделей ИИ
После сбора данных необходимо их обработать и создать модели ИИ. Этот процесс включает следующие шаги:
— предварительная обработка данных для удаления шума и выбросов;
— выбор методов ИИ, которые будут использоваться для решения задач;
— обучение ИИ-системы на основе данных;
— тестирование и проверка моделей ИИ [10].
Примеры методов ИИ, которые могут быть использованы в агропромышленных предприятиях:
— машинное обучение, включая нейронные сети и алгоритмы классификации;
— обработка естественного языка для анализа текстовых данных;
— компьютерное зрение для анализа изображений продукции и производственных процессов;
— анализ данных временных рядов для прогнозирования погодных условий и урожайности.
Шаг 4: Внедрение и оптимизация ИИ-систем
После создания моделей ИИ необходимо их внедрить и оптимизировать. Этот процесс включает следующие шаги:
— разработка ИИ-системы на основе моделей ИИ;
— тестирование и проверка ИИ-системы в реальных условиях;
— оптимизация ИИ-системы на основе полученных результатов.
Примеры ИИ-систем, которые могут быть внедрены в агропромышленные предприятия:
— системы управления ресурсами, которые используют ИИ для оптимизации использования воды, энергии и удобрений;
— системы мониторинга и управления производственными процессами, которые используют ИИ для контроля качества и оптимизации производственных операций;
— системы прогнозирования погоды, которые используют ИИ для прогнозирования погодных условий и урожайности;
— системы распознавания растительного материала, которые используют ИИ для классификации растений и определения их зрелости.
Примеры успешного применения ИИ в агропромышленных предприятиях
1. Использование ИИ для определения состояния почвы и оптимизации производства [4]. Компания Blue River Technology разработала ИИ-систему, которая использует камеры и датчики, чтобы анализировать состояние почвы и определять, какое количество удобрений и химикатов необходимо для каждого участка земли. Это позволяет оптимизировать производство и снизить издержки на использование удобрений и химикатов.
2. Использование ИИ для определения зрелости и качества фруктов и овощей. Компания AgShift разработала ИИ-систему, которая использует компьютерное зрение, чтобы анализировать фрукты и овощи и определять их зрелость и качество. Это позволяет улучшить качество продукции и снизить количество отходов.
3. Использование ИИ для прогнозирования погодных условий и урожайности. Компания Taranis разработала ИИ-систему, которая использует данные о погоде, датчики и компьютерное зрение, чтобы прогнозировать погодные условия и урожайность. Это позволяет агропромышленным предприятиям оптимизировать производство и снизить издержки.
Выводы
Таким образом, в современном мире применение искусственного интеллекта (ИИ) становится все более популярным в агропромышленном секторе. Использование ИИ может помочь повысить эффективность и производительность предприятий, а также улучшить качество продукции и снизить издержки. Однако, для достижения наибольшей эффективности внедрения ИИ необходимо иметь четкую методологию разработки и внедрения ИИ-систем.
Такая методология должна включать в себя следующие шаги: определение целей и задач, сбор данных, создание моделей ИИ и их оптимизация в реальных условиях. Важно понимать, что применение ИИ не может быть универсальным решением для всех задач, и каждое агропромышленное предприятие должно определить свои индивидуальные потребности и цели для применения ИИ [3].
Примеры успешного применения ИИ в агропромышленных предприятиях демонстрируют потенциал использования ИИ для оптимизации производственных процессов и повышения качества продукции. Например, ИИ может помочь в определении оптимальных условий для выращивания растений, определении оптимальных режимов полива и удобрения, а также оптимизации процесса сбора урожая.
Однако, необходимо учитывать особенности агропромышленного сектора, такие как влияние погодных условий на производство, что может оказать влияние на точность прогнозов ИИ-систем. Важно также учитывать регулирующие нормативные документы и законодательство, которые могут ограничивать использование ИИ в некоторых областях. Все эти аспекты необходимо учитывать при разработке и внедрении ИИ-систем.
Несмотря на некоторые ограничения, ИИ имеет большой потенциал для улучшения эффективности и производительности в агропромышленном секторе и может стать ключевым инструментом для достижения устойчивого развития этой отрасли в будущем. Важно продолжать исследования и развивать новые ИИ-системы, которые будут соответствовать индивидуальным потребностям каждого агропромышленного предприятия. Также необходимо обучать персонал работе с ИИ-системами и создавать надежную инфраструктуру для сбора и обработки данных.
Применение ИИ в агропромышленном секторе может помочь повысить эффективность и производительность, улучшить качество продукции и снизить издержки. Однако, для достижения наилучших результатов необходимо разработать и внедрить четкую методологию применения ИИ-систем в каждом конкретном случае, учитывая особенности и потребности каждого агропромышленного предприятия. Использование ИИ может стать важным инструментом для достижения устойчивого развития агропромышленного сектора в будущем, но только при правильной организации процесса внедрения ИИ.
Источники:
1. Алтухов, А. И. Глобальная цифровизация как организационно-экономическая основа инновационного развития агропромышленного комплекса РФ / А. И. Алтухов, М. Н. Дудин, А. Н. Анищенко // Проблемы рыночной экономики. - 2019. - № 2. - С. 17-27. - DOI 10.33051/2500-2325-2019-2-17-27. - EDN LTEXLR.
2. Андреева, Н. В. Анализ трудовых ресурсов аграрного сектора экономики / Н. В. Андреева, Л. Н. Огородникова // Журнал У. Экономика. Управление. Финансы. - 2022. - № 3(29). - С. 21-27. - EDN BLKPCG.
3. Брозгунова, Н. П. Цифровизация аграрного производства как важный инструмент эффективного управления основными бизнес-процессами / Н. П. Брозгунова // Вестник Мичуринского государственного аграрного университета. - 2021. - № 2(65). - С. 157-161. - EDN GWHIZV.
4. Виноградова, М. В. IT-компетенции выпускника аграрного вуза / М. В. Виноградова, А. С. Лылов // АПК: инновационные технологии. - 2022. - № 2. - С. 74-78. - DOI 10.35524/2687-0436_2022_02_74. - EDN QQRTFJ.
5. Володин, В. М. Внедрение цифровых технологий на предприятиях сельского хозяйства на современном этапе развития агропромышленного комплекса России / В. М. Володин, Н. А. Надькина // Известия высших учебных заведений. Поволжский регион. Экономические науки. - 2019. - № 2(10). - С. 13-22. - DOI 10.21685/2309-2874-2019-2-2. - EDN NDWPXR.
6. Назаров Д.М. Цифровизация сельского хозяйства на примере Румынии / Д. М. Назаров, И. С. Кондратенко, В. В. Сулимин, В. В. Шведов // Международный сельскохозяйственный журнал. - 2022. - № 6(390). - С. 622-624. - DOI 10.55186/25 876740_2022_65_6_622. - EDN KEQEIC.
7. Орешина, М. Н. Применение искусственного интеллекта в инновационной деятельности промышленных предприятий / М. Н. Орешина // E-Management. - 2021. - Т. 4, № 1. - С. 29-37. - DOI 10.26425/2658-3445-2021-4-1-29-37. - EDN VMGGPA.
8. Сердобинцев, Д. В. Трансформация ресурсного обеспечения предприятий агропромышленного комплекса в процессе системной интеграции / Д. В. Сердобинцев, Е. А. Алешина // E-Management. - 2022. - Т. 5, № 4. - С. 39-53. -DOI 10.26425/2658-3445-2022-5-4-39-53. - EDN FGEGYP.
9. Шарипов, С. А. Обеспечение конкурентных преимуществ сельскохозяйственных формирований АПК Республики Татарстан в условиях инновационного развития экономики / С. А. Шарипов, Н. Л. Титов, Г. А. Харисов // АПК: экономика, управление. - 2023. - № 2. - С. 52-58. - DOI 10.33305/232-52. - EDN DSSNIX.
10. Эдер, А. В. Повышение эффективности работы предприятий пищевой промышленности как результат внедрения современных ИТ-решений / А. В. Эдер, О. В. Иванов // Вестник Воронежского государственного университета инженерных технологий. - 2019. - Т. 81, № 3(81). - С. 364-367. - DOI 10.20914/2310-1202-2019-3-364-367. - EDN GFQYSI.
